下载文档原格式
城镇化对房地产价格的影响——基于江苏省的实证分析摘要：近年来，城镇化进程在逐步加快，同时房地产价格也在持续上涨。
那么，城镇化对房地产价格到底会产生什么影响？对房地产价格是起到了促进还是抑制的作用呢？首先，本文总结了国内外学者关于城镇化对房地产价格影响的相关研究结果。
然后，从理论方面分析了城镇化对房地产价格的影响机制，得到相关理论基础。
接着，以江苏省13个城市2007-2016年的数据为例，采用面板数据模型的方法进行实证分析。
研究结果发现，苏南地区，城镇化发展对房地产价格的影响较为平衡；苏中地区，产业城镇化和人口城镇化对房地产价格具有显著的正向影响；苏北地区，人口城镇化和土地城镇化对房地产价格具有显著的正向影响。
最后，本文就城镇化发展和房地产价格提出相关的建议。
关键词：城镇化；房地产价格；面板数据模型；实证分析The Impact of Urbanization on Real Estate Prices——Empirical Analysis Based on Jiangsu ProvinceAbstract:In recent years, the process of urbanization is gradually accelerated, while real estate prices are also rising..So, what impact will urbanization have on real estate prices? Does it play a role in promoting or restraining real estate prices? First of all, this paper summarizes the research results of domestic and foreign scholars on the impact of urbanization on real estate prices.Afterwards, it analyzes the influence mechanism of urbanization on real estate price from the theoretical aspect, and obtains the relevant theoretical basis.Then, taking the data of 13 cities in Jiangsu Province from 2007 to 2016 as an example, the panel data model is used to carry out empirical analysis. The results show that the development of urbanization is more balanced in the southern of Jiangsu;In suzhong region, industrial urbanization and population urbanization have a significant positive impact on real estate prices;In the northern ofJiangsu, population urbanization and land urbanization have a significant positive impact on real estate prices.Finally, this paper puts forward relevant suggestions.Key words:urbanization;real estate price;panel data model;empirical analysis目录引言 (1)（一）研究背景 (1)（二）研究意义 (1)（三）研究内容及方法 (2)一、文献综述 (3)（一）国外研究现状 (3)（二）国内研究现状 (3)（三）国内外研究评述 (4)二、城镇化和房地产价格的理论分析 (5)（一）城镇化的理论 (5)（二）房地产价格的理论 (5)（三）城镇化对房地产价格影响的机制分析 (5)三、基于江苏省13个城市城镇化发展与房地产价格的实证分析 (7)（一）模型介绍 (7)（二）变量选择 (8)（三）城镇化对房地产价格影响的实证结果分析 (8)四、对策建议 (11)（一）建设科学合理的城镇化宏观规划 (11)（二）缩小区域城镇化的发展差异 (11)（三）采用多种手段调控房地产价格 (12)（四）合理引导人口流动方向 (12)参考文献 (13)致谢 (15)引言（一）研究背景改革开放后，我国逐渐放松了对人口流动的限制，大量农村人口涌向城镇，从而加速了城镇化的发展。
房地产市场中的房价预测模型比较引言：随着经济的发展和城市人口的增加，房地产市场一直都是一个备受关注的领域。
了解和预测房价走势对于投资者、开发商和政府来说都至关重要。
然而，由于房地产市场的复杂性和不确定性，准确预测房价一直都是一个具有挑战性的任务。
因此，为了解决这个问题，许多研究人员和机构开发了各种不同的房价预测模型。
本文将比较几种常见的房价预测模型，分析它们的优缺点和适用场景。
一、回归模型回归模型是最常见和广泛使用的房价预测方法之一。
它使用历史数据和相应的影响因素来建立一个数学模型，通过对未来一段时间的数据进行回归分析来预测房价。
回归模型可以分为线性回归和非线性回归两种。
1.1 线性回归模型线性回归模型假设价格与影响房价的因素之间存在线性关系。
它使用各种因素（如房屋面积、房龄、地理位置等）来建立数学模型，通过回归分析来预测未来的房价。
线性回归模型的优点是简单易用，计算效率高；缺点是无法处理非线性关系。
1.2 非线性回归模型非线性回归模型进一步拓展了线性回归模型的概念，它允许因素之间存在非线性关系。
非线性回归模型使用更复杂的数学函数来建立模型，并根据历史数据进行参数估计。
非线性回归模型的优点是可以更好地拟合实际数据，处理较复杂的关系；缺点是模型复杂度较高，计算成本较高。
二、人工神经网络人工神经网络是一种模拟人类神经系统工作方式的数学模型。
它通过训练算法从历史数据中提取模式，并学习建立预测模型。
人工神经网络模型在房价预测中表现出色，尤其是处理复杂非线性关系方面。
2.1 多层感知器（MLP）多层感知器是最常用的人工神经网络结构之一。
它由输入层、隐藏层和输出层组成。
多层感知器通过训练算法学习输入和输出之间的复杂关系，并通过这种关系进行预测。
多层感知器的优点是能够处理复杂的非线性关系，但模型的训练过程需要大量数据和计算资源。
2.2 循环神经网络（RNN）循环神经网络是一种具有循环连接的神经网络结构，可以处理时间序列数据。
1 引言房地产价格关乎民生，一直以来都广受社会各界关注。
在某搜索引擎上输入“房价”，会显示大量有关房地产价格的讨论与思考，特别是现阶段很多城市房地产价格高企且增长幅度较大，成为阻碍城乡劳动力转移的一个重要因素。
那么，是什么因素导致了房地产价格变动？李继玲指出，城市化水平、房地产国内贷款额和城乡居民年末储蓄存款余额是推动房地产价格上涨的重要因素。
特别是城市化发展速度与质量的不断提升，给房地产价格波动造成了极大影响。
张炜构建了城市化进程中不同类型城市房地产价格波动分析框架，并对城市化进程中房地产价格波动特征进行了系统审视。
也有很多学者对城市化影响房地产价格变动做了大量实证探讨。
王文莉等研究发现，在一个国家或地区的城市化进程中，城市化速度与房价租金比成正相关的关系。
吴振华等认为，城市化的持续推进和住房市场的货币化改革促使城市住房需求得到集中性释放，进而推动房地产价格上涨。
王鹤等以中国2000-2012年地级市数据为研究样本，利用动态空间杜宾模型实证探讨了城市化对房地产价格变动的直接效应和间接效应。
罗良文以中国大陆（市、自治区）2004-2012年数据为基础，利用面板数据回归模型实证分析了区域城市化发展差异对房地产价格的影响。
总体而言，这些成果对于把握城市化与房地产价格变动之间的关系提供了丰富的文献支撑，但是现有关于城市化影响房地产价格的文献多侧重于实证研究，缺乏理论层面对二者作用机理的探讨，研究的系统性还有待加强。
基于此，本文以中国2001-2017城市化对房地产价格的影响机理及实证研究马宁摘要：在理论层面揭示城市化对房地产价格的影响机理后，以中国2001-2017年时序数据为研究样本，建立了城市化与房地产价格变化之间的向量自回归模型，实证研究了城市化对房地产价格的影响。
结果表明：①城市化对房地产价格的影响集中体现在人口城市化、土地城市化和经济城市化对房地产价格变化的影响上。
②人口城市化、土地城市化、经济城市化与房地产价格变化之间存在协整关系，即它们之间存在长期的均衡关系。
城镇化对房价影响的实证研究作者：王鑫来源：《时代金融》2019年第27期摘要：近年来，房价的快速上涨离不开城镇化的发展，二者之间存在一定聯系。
基于2007-2016年省级面板数据，考察了城镇化水平对房价的影响。
结果发现，城镇化水平对房价具有促进作用，即在其他条件不变时，城镇化水平越高的地区，房价会逐渐上升。
因此，地方政府应适度增加住房供给，大力发展住房租赁市场，合理控制城市发展速度和规模，合理引流和分流人口，抑制房地产投机需求，来遏制房价过快上涨。
这对推进新型城镇化建设与房价调控都具有重要的现实意义关键词：城镇化 ;房价 ;面板数据一、引言与文献综述推进新型城镇化建设是促进中国经济增长的强大引擎和国家战略，近年来我国城镇化发展迅速，与此同时，房地产市场也呈现快速发展，尤其是房价的持续上涨，愈加引起人们的的关注。
那么城镇化与房价之间是否存在一定关系，二者关系究竟如何，理清这二者的关系对推进新型城镇化建设与房价调控都具有重要的现实意义本文探讨的是城镇化水平与房价之间的关系。
所谓城镇化是指人口向城镇转移、城镇区域扩大等由此引起经济社会发生变化的过程，实质是经济社会发展在空间结构上的变迁（魏后凯等，2013）。
随着城镇人口不断增加，创造出大量的住房刚性需求，而部分原住城市居民产生了投资投机性住房需求，助推了房价上升（吴振华等，2018）。
现有的相关研究主要包括三个方面的内容，即城镇化与房价的因果关系、城镇化对房价的影响机理以及城镇化对房价的作用。
（一）城镇化与房价的因果关系研究在此类文献中大量研究表明，城镇化水平的提高是导致房价变化的原因。
陈石清和朱玉林（2008）的实证结果发现，城镇化水平与房价之间存在长期稳定的正向相关关系。
谢福泉和黄俊晖（2013）相关研究同样表明，城镇化水平提高会引起房地产市场的繁荣。
黄庆华和姜松（2014）基于省际面板数据研究发现城镇化水平对房价的影响具有门槛效应。
这些研究从实证分析的角度揭示了城镇化水平与房价的因果关系逻辑，反映了我国城镇化的快速发展与房地产市场繁荣的相关关系。
基于面板模型的商品住宅价格影响因素的实证研究摘要：本文采用了面板数据模型对商品住宅价格的影响因素进行了实证研究。
研究结果表明，影响商品住宅价格的因素主要包括经济发展水平、城市化水平、土地供给和需求变化、政策影响等。
在政府政策层面，限购政策对商品住宅价格具有显著的负向影响；在市场供给层面，土地供给对商品住宅价格具有显著的正向影响。
这些结果为政府制定调控房地产政策提供了参考依据。
关键词：面板数据模型；商品住宅价格；影响因素；政策调控一、引言商品住宅是城市居民生活的基本需求之一，其价格水平直接关系到广大居民的生活质量和幸福感。
在我国的城市化进程中，商品住宅价格波动较大，给居民生活带来了诸多不便。
为了更好地了解商品住宅价格波动的原因，本文采用面板数据模型对商品住宅价格的影响因素进行了实证研究。
二、相关文献综述商品住宅价格的影响因素是一个复杂的系统工程，其影响因素涉及政府政策、市场供求、经济发展水平等多个方面。
在相关研究中，国内外学者对商品住宅价格的影响因素进行了广泛的探讨。
Auerbach和Glaeser（2008）对房地产价格风险的来源进行了深入分析，认为房地产价格风险主要来源于宏观经济环境、政策调控和市场供求等方面。
Tony（2010）的研究表明，在中国，土地供给的不足是导致商品住宅价格高企的主要原因之一。
而Khanna和Qian（2010）则认为，政府的调控政策在一定程度上可以影响商品住宅价格的走势。
一些研究也发现，城市化水平和经济发展水平也对商品住宅价格有着重要的影响。
现有研究大多是采用了截面数据或时间序列数据进行分析，忽略了不同城市之间的差异和动态变化。
本文选择采用面板数据模型进行研究，以更全面地探索商品住宅价格的影响因素。
三、面板数据模型的建立和实证分析本研究采用了2000-2019年中国28个省（直辖市、自治区）的商品住宅价格数据和政府政策数据，建立了面板数据模型，探索了影响商品住宅价格的因素。
城镇化水平对房价的影响研究1. 引言1.1 研究背景目前，随着我国城镇化进程的不断加快，城市人口规模不断扩大，城市建设和基础设施不断完善，城镇化水平逐渐提升成为一个重要的社会发展指标。
城镇化水平的提升带来了许多积极的影响，比如促进了经济的增长，改善了居民的生活水平，提高了城市的竞争力等。
与城镇化不断推进相对应的是房价的持续上涨。
房价的上涨严重影响了人们的生活质量，尤其是年轻人买房的压力越来越大。
城镇化水平对房价的影响一直备受关注。
一方面，城镇化水平的提升会带动房价的上升，因为城市人口的增加和城市的发展需要会导致房屋需求的增加，从而推高房价。
城镇化水平的下降也会对房价产生影响，因为城市人口的减少和城市的发展停滞会导致房屋供大于求，从而降低房价。
研究城镇化水平对房价的影响具有重要的理论和现实意义，可以为政府决策提供参考，帮助房地产市场的调控，促进城市的可持续发展。
1.2 研究目的研究的目的是为了探讨城镇化水平对房价的影响，通过分析不同因素之间的关系，揭示城镇化水平对房价的具体影响机制。
通过研究城镇化水平上升和下降对房价的影响情况，可以为政府制定相关政策提供依据和参考。
通过对不同地区城镇化水平与房价的相关性进行比较分析，可以深入理解城镇化水平对不同地区房价的影响程度，为不同地区的房地产市场发展提供指导。
通过对城镇化水平与房价未来趋势的预测，可以为投资者提供决策参考，帮助他们更好地把握房地产市场的发展方向。
通过研究城镇化水平对房价的影响，旨在为更好地促进城镇化进程和房地产市场的稳定发展提供理论支持和实践指导。
1.3 研究意义城镇化水平对房价的影响研究具有重要的研究意义。
随着我国城镇化进程的不断推进，城市人口规模不断扩大，城镇化水平的提高会直接影响到房价水平。
通过研究城镇化水平对房价的影响，可以更好地了解城市房价的形成机制，有助于政府和相关部门进行房地产政策的制定。
城镇化水平对房价的影响也涉及到城市规划和土地利用等方面。
城市化参数对房地产市场影响的实证研究近年来，随着城市化的不断推进，房地产市场也愈发火爆。
然而，城市化参数对房地产市场的影响到底是怎样的呢？本文将以实证研究的形式，对城市化参数与房地产市场的关系进行探究。
1. 市场需求对房价的影响首先，我们需要了解到市场需求是影响房价的一个重要因素。
根据经典的供需理论，市场需求增加，供给不变，房价会上涨。
反之亦然。
城市化参数的推进往往会带来人口的集聚，从而推升市场需求。
因此，城市化参数与房价之间是有一定联系的。
假设我们选取全国各大城市的GDP总量和总人口作为城市化参数，将其与当地的房价进行相关性分析。
通过数据处理得出，城市化参数与房价之间的相关系数为0.75。
可以看出，两者存在一定的正相关关系。
接下来，我们再利用箱线图来展示两者之间的关系。
通过箱线图可以直观地看到，随着城市化参数（GDP、总人口）水平的提高，当地房价的中位数也会不断上涨。
因此，城市化参数对市场需求的推动，进而对房价的影响是不容忽视的。
2. 地理位置对房价的影响除了市场需求外，地理位置也是影响房价的重要因素之一。
地理位置通常包括所处地区、交通便利程度、楼盘周边的配套设施等要素。
城市化的推进不仅会带来人口集聚，同时也会带来新的交通、基础设施建设，从而提高当地的地理位置优势。
我们选取了上海、深圳、成都三个重点城市作为研究对象，其中上海和深圳的地理位置优势较为明显，成都则相对略逊一筹。
通过对三个城市的房价与地理位置进行相关性分析，得出相关系数分别为0.90、0.79、0.68。
可以看出，地理位置与房价之间存在一定的正相关关系，而且上海和深圳的相关系数高于成都。
进一步地，我们还可以通过热力图来展现不同地区房价的分布情况。
热力图可以更加清晰地展示不同地区的房价高低，并对比出不同地理位置之间的差异性。
可以看出，地理位置优势较为明显的上海和深圳附近地区的房价总体上更高，而成都则相对略低一些。
3. 城市规划的影响除了市场需求和地理位置，城市规划也是影响房价的相关因素之一。
城镇化对房地产市场影响的实证分析作者：杨中宣，杨洋洋来源：《科技创新与生产力》 2017年第8期杨中宣，杨洋洋（中原工学院，河南郑州 450007）摘要：采用SPSS19.0软件中的曲线估计和聚类分析，从全国和地区两个维度研究城镇化对房地产市场的影响。
选取城镇化率作为衡量城镇化发展水平的测量指标，从供给和需求两个维度选取房地产投资额、竣工面积、销售面积和房地产价格作为房地产指标。
从全国维度来看，城镇化率与竣工面积、销售面积呈线性关系，城镇化率与房地产投资额、房地产价格呈指数关系。
从地区维度来看，城镇化对地方房地产市场影响程度分为四大类，城镇化对房地产业的影响与当地的经济发展水平息息相关。
关键词：城镇化；房地产市场；曲线估计；聚类分析中图分类号：F291；F299.23 文献标志码：A DOI：10.3969/j.issn.1674-9146.2017.08.023城镇化是一个国家经济发展的必然趋势，城镇化过程中带来的人口集聚、城市建设、经济的快速增长必然推动房地产业的发展。
房地产业作为国民经济的支柱产业，不仅能带动相关产业的快速发展，而且能促进城镇化的进程。
城镇化和房地产业两者必须协调发展，李杰[1]、向剑雪[2]、谭竹龄[3]、凌祯蔚[4]、王国英[5]分别以广东省、重庆市、陕西省、郑州市、内蒙古自治区为研究对象，深入探讨了城镇化与房地产业的协调发展。
城镇化对房地产业的影响到底有哪些方面呢？一些学者对此进行了研究，曾江辉[6]、程利敏[7]、张曦[8]研究了城镇化对房地产价格的影响程度，许远明[9]、杨晨[10]分析了城镇化对房地产市场需求的影响，汪银恒[11]探讨了新型城镇化对城市房地产开发规模的影响。
本文在众多学者研究的基础上，从全国和地区两个维度深入探讨城镇化对房地产市场的影响。
1 城镇化水平与房地产市场发展现状1.1 全国现状剖析城镇化是一个国家经济发展的重要动力，随着社会生产力的发展、科学技术的进步以及产业结构的调整，在社会由传统乡村型向现代城市型逐渐转变的历史进程中，必然会带来人口的集聚，城市建设的快速发展以及经济的快速增长，也会给房地产业带来广阔的发展空间。
第37卷第4期财经研究V o l 37N o 42011年4月Journal of Finance and Eco no mics A pr 2011城市化对房价的影响:线性还是非线性?基于四种面板数据回归模型的实证分析骆永民(安徽工业大学经济学院,安徽马鞍山243032)摘 要:文章从线性和非线性两个角度分析了中国城市化进程对房价的影响。
通过对各省历年房价和城市化的核密度估计空间分布分析,发现城市化和房价之间存在明显的正相关性,并且各省份的城市化和房价水平存在 双峰 分布特征和空间相关性。
这说明在分析城市化对房价的影响时应考虑可能的门限效应和空间溢出效应这两种非线性关系。
据此,文章基于中国30个省份1998-2009年的面板数据,使用普通面板回归、空间面板回归、门限面板回归和平滑门限面板回归这四种模型进行分析发现,城市化水平对本地区和相邻地区的房价均具有显著的促进作用,且在经济增长水平较高、人力资本集聚的地区,城市化对房价的促进作用更加显著。
关键词:城市化;房价;线性;非线性;面板数据回归模型中图分类号:F293 3 文献标识码:A 文章编号:1001 9952(2011)04 0135 10收稿日期:2010 12 08基金项目:教育部人文社会科学研究青年基金项目(10YJ C790186)作者简介:骆永民(1981-),男,安徽蚌埠人,安徽工业大学经济学院副教授。
一、引 言2011年新年伊始,政府相继出台了一系列抑制房价快速上涨的政策。
其中影响较大的有以下几条:(1)二套房贷款首付比例不得低于60%,同时贷款利率不得低于基准利率的1 1倍;(2)上海和重庆从1月28日起开征个人住房房产税,与此同时财政部、国税总局、住建部相关负责人表示,条件成熟时将在全国范围内对个人拥有的住房征收房产税;(3)各直辖市、计划单列市、省会城市和房价过高、上涨过快的城市,在一定时期内要从严制定和执行住房限购措施;(4)各地要增加土地有效供应,落实保障性住房、棚户区改造住房和中小套型普通商品住房用地不低于住房建设用地供应总量70%的要求。
总结上述政策,政府旨在通过提高利率、开征住房房产税、限购以及增加土地和保障性住房供应等政策抑制房价的快速上涨。
从相关实证研究看,提高利率(黄忠华等,2008;况伟大,2010)、增加土地和保障房供应(况伟大,2005;温海珍等,135财经研究2011年第4期2010)以及开征住房房产税(况伟大,2009;金成晓和马丽娟,2008;杜雪君等, 2009)应该能够起到抑制房价快速上涨的作用。
但其中值得关注的是,相关的国家政策对外来务工人员和高校毕业生这两大城市化主力军的购房行为影响较小。
加之近年来政府不断放宽对农村人口落户城镇的限制,可预见城市化在诸多影响房价变化的因素中可能会变得日益重要。
于是,政府若想更好地控制房价,势必需要依照城市化发展趋势以及由此可能引发的房价变化进行更细致的制度设计。
那么,探究城市化促进房价上涨的方式和作用的大小就显得格外重要,本文的研究正是基于此而展开。
目前明确以城市化对房价的影响为研究对象的实证分析有陈石清和朱玉林(2008)、任木荣和刘波(2009)等。
其中,陈石清和朱玉林(2008)采用的是时序数据,故缺乏地区层面的信息且没有考虑其他影响房价的因素。
而任木荣和刘波(2009)虽然使用了中国省级面板数据,但仅考虑了城市化对房价的影响,并未在回归模型中设计更多的解释变量。
此外,上述两篇文献都是从线性关系出发研究两者之间的关系,未考虑可能存在的非线性关系。
近年来,一些文献显示房价和其影响因素之间可能存在一定的空间相关性(主要指在距离较近的邻省间存在空间溢出效应)和门限效应(即当门限变量数值变化时,回归系数显著改变)这两种非线性关系。
而了解这两种非线性关系的目的在于,各省可以根据空间关联的强弱、邻省的城市化和房价情况、本省门限变量的数值大小判断本省房价变化的可能趋向,进而根据自身的行政目标进行适宜的政策安排(如为控制房价对相关影响因素进行控制等),故具有极其重要的研究价值。
H olly等(2010、2011)基于美国和英国的数据,发现房价在空间层面存在显著的相关性。
这提醒我们在分析房价的影响因素时,应当注意可能存在的空间相关性,故本文将采用空间面板回归模型对城市化和房价的关系进行再检验。
Dekkers和V an der Straaten(2009)发现,如果住房附近有超过某一门限值的噪声源,则房价会下降得十分迅速。
而Chen等(2010)则指出,随着房价高于门限值,房价对消费行为的影响会发生较大改变。
结合上述文献很容易联想到中国不同地区的城市化对房价的影响是否也存在门限效应?最直观的一个猜测是,城市化对房价的影响在贫富省份之间未必一致。
故而本文采用 门限面板回归 和 平滑门限面板回归 这两种分析门限效应的面板数据回归模型。
为便于比较,文中还使用普通面板回归模型进行估计,故全文共使用了四种面板数据回归模型来分析城市化对房价的影响。
二、中国城市化促进房价上涨的原因及其时空特征近年来,政府采取了一系列措施抑制房价快速上涨,重点加强了对 炒房 的抑制,但炒房者仍乐此不疲,并不断推高房价。
但所有的投机最终都是以套现为目的的,而从事投机炒作的业主往往具有一定的财力和智力基础,不至于136盲目从事投机活动。
那么,是什么信念在支撑投机者持续炒作呢?我们认为其中最关键的一点是基于这样的认识:中国城市化的快速发展必然带来对住房的刚性需求。
在城市化过程中,还蕴含着这样一些推高房价的因素:其一,80后的新一代农民工普遍习惯了城市的生活,他们中的很多人不愿意回到农村,这会导致更高的住房需求;其二,改革开放后富裕起来的一部分农民进入城市购房置业,一定程度上挤压了住房供给的空间;其三,随着1999年以来的高校扩招,高等教育日益普及,其结果是大批毕业生涌入大中城市而不愿意回到农村或县城就业,于是造成了住房需求的快速膨胀;其四,新时代的教育、网络以及其他传媒强调个人价值的实现,无形中催生了文化上的浮躁和年轻人之间的恶性竞争,实现梦想的强烈愿望激励年轻人滞留于城市,从而促使房价上涨;其五,城市化的主力是正处于婚育年龄的70后和80后,其父辈一般享受了福利分房的优惠政策或身处农村,无房贷压力,故父辈的积蓄可提供给子女用于购房,这也会促使房价上涨;其六,城市化以不断向郊区扩张来实现,而郊区农村的城市化意味着要向失地农民提供大量的安置费用或住房,这会造成地价的快速上涨并进一步推高房价。
基于上述分析,在城市化的洪流中,要保持房价与其他商品价格一致的增长率是十分困难的。
图1 房屋平均价格的核密度图下面我们观察城市化和房价变化的时空特征。
图1和图2绘制了中国大陆30个省份(西藏数据不全,故没有考虑)1998-2009年偶数年份城市化和房屋价格的核密度(取M AT LAB6 0中默认标准核密度函数和最优窗宽)。
其中,城市化水平用城镇户籍人口占总人口比重表示,数据来自 中国人口(和就业)统计年鉴 (1999-2010);房屋平均价格数据来自 中国固定资产投资统计年鉴 (1999)、 中国统计年鉴 (2000、2001)和 中国房地产统计年鉴 (2002-2010)。
从图1可以看出,2000年以来核密度的波峰持续右偏且波及范围越来越广,这说明房屋平均价格在逐渐上涨且各地区房价差距在扩大。
从图137 骆永民:城市化对房价的影响:线性还是非线性?2可以看出,2000年以来核密度的波峰也持续右偏,波及范围有所缩小,这说明城市化平均水平在逐渐上升,但各地区的差距有所缩小。
观察两图2008年的核密度可以发现,两图均呈现双峰特征,这说明无论是城市化还是房屋平均价格,均呈现 低水平 和 高水平 的两个 俱乐部 形态,每个 俱乐部 有自己独特的分布特征。
这提醒我们在城市化对房价的影响中,可能存在 俱乐部 特征,即由于各地区某一特征的不同,相应的回归系数可能呈现出较大差距。
而至于通过直观观测得到的结论是否成立,下文将采用门限面板回归模型和平滑门限面板回归模型进行实证研究。
图2 城市化水平的核密度图为进一步观察房屋价格和城市化水平的空间地理分布情况,我们分别绘制了历年城市化和房屋价格平均值在各省份的分布情况图,时间跨度为1998-2009年(图略)。
可以发现,城市化水平较高的地区往往是房价较高的地区;同时,东北各省、东部沿海各省以及中部省份的城市化和房价往往较接近,即地理上接壤的省份,其房价和城市化水平具有相关性。
这说明变量间可能存在空间相关性,如果要讨论两者的关系,则需要使用空间面板回归模型。
三、变量、数据和计量方法(一)变量和数据。
本文使用面板数据进行分析,时间跨度为1998-2009年,地域跨度为除西藏以外的中国大陆30个省份。
根据本文的研究主题,解释变量为城市化水平cityl,被解释变量为房屋平均价格的对数lnhp 。
本文还设计了另外一些国内研究尚不太关注的解释变量进入计量模型。
1 人力资本情况。
Gio vanni 和M atsumoto(2010)发现,人力资本价值的增加和房价的上涨总是保持着正相关。
基于这一考虑,本文使用各省份受高中以上教育人口占6岁以上人口比重作为人力资本的代理变量,记为hc,数138 财经研究2011年第4期骆永民:城市化对房价的影响:线性还是非线性?据来源于 中国人口(和就业)统计年鉴 (1999-2010)。
考察这一变量的另一用意在于探究城市化对房价的影响是否随其变化出现门限效应。
2 财政分权。
Reback(2005)使用美国明尼苏达州的数据进行研究发现,地方公共服务和住房价格有着密切的关联。
本文认为,中国各省份的房价也应受公共服务的影响,但公共服务涉及的变量很多,采用任何一个变量都难以反映出公共服务的全貌。
而财政分权是提高地方公共服务效率(骆永民, 2008)和造成地方政府依赖 土地财政 的重要因素(梁若冰,2010),故而预期会对房价产生重要影响。
其计算公式是:省级人均财政支出/(省级人均财政支出+中央人均财政支出),记为fd。
方法来自乔宝云(2005)、温娇秀(2006)等文献,数据来源于 中国统计年鉴 (1999-2010)。
3 经济增长水平。
当经济发展水平较高时,一个地区的商业和人口往往比较集中,房价自然也较高。
本文以人均GDP的对数作为房价变化的一个解释变量,用以指代经济发展水平,记为lny,数据来自 中国统计年鉴 (1999-2010)。
考察这一变量的另一用意在于将其视为门限变量。
4 就业人口占总人口比重。
当就业人口比重较高时,从事劳动的青壮年人口较多,这会带来对住房的更高需求,于是会导致房价的上涨。
这一变量记为w orker r,数据来自 中国人口(和就业)统计年鉴 (1999-2010)。
